Arca 管着 10 亿美元资产，全公司 28 个人。一张十万美元的税单走了十天：分析全由 agent 做，凡是动钱的那一步，都停下来等人签。
这一期是 Latent Space 在 AI Engineer New York 2026 的现场访谈：主持理查德·麦金尼斯，嘉宾阿曼·辛格（Arca 的 AI 平台负责人），26 分钟，官方 17 段章节1。下面是 17 段要点整理，以及整集的逐句全文翻译。
本期要点
01 · 00:00 介绍这家 AI 原生的财富管理公司
- Arca 不做插进别人工作流里的软件，它就是那家财富管理公司本身——所以它可以把「这行怎么做」标准化，再让 agent 按标准参与。
- 服务面很宽：财务建议与规划、税务、保险，以及人越有钱越绕不开的遗产规划。客户里有刚卖掉公司的创始人、准备提前退休的科技高管，也有买第一套房的小家庭。
- 对外口径（2026-06-24 退出隐身）：种子轮 1,550 万美元由 Venrock 领投，A 轮 4,850 万美元由 General Catalyst 领投、Index Ventures 与 Venrock 参投，合计 6,400 万美元；管理资产逾 10 亿美元；全公司 28 人；创始人兼 CEO 是前 Plaid 产品负责人 Rron Rexha23。
- 金句：「我们其实不是一家 SaaS 公司，我们本身就是那家公司。」
02 · 01:40 AI 怎样支撑人类的财务顾问
- 边界先划清：AI 不替代顾问，替代的是顾问周围的全部工作。
- 客户不直接和 AI 打交道，他们感受到的是这个行业以前给不出的服务水平，交付它的是人。
- 每位客户背后有一台机器一直在算：市场在发生什么、这件事对这位客户意味着什么、他的生活里还有哪些纹理会影响财务。
- 结果更主动也更及时——不是等人来问，而是先看见。
03 · 02:40 用内部 benchmark 选模型
- 今天的主力是 Claude，历史上换过三轮：Gemini → OpenAI → Anthropic。
- 选型标准不是公开榜单，而是内部那套「harness 在经营公司时必须表现出的能力」的 benchmark。
- 近期例子：Luna 在外部评测上很好看，在 Arca 却太慢、太贵，最终没用。
- 原则是与模型无关：既不依赖某一家供应商，也不依赖某一家实验室提供的 harness，把可选择性留在自己手里。
04 · 04:01 自建 harness，以及任务怎么路由
- harness 是内部自建的一套，与模型无关；换模型不等于换壳。
- 按任务复杂度分档：协助做税务规划、做税务分析，拿的是最重一档；这一档内部还留弹性，Opus 档、中档型号、重型的 GPT 模型都可能在池子里。
- agent 参与的大量后台活动，按复杂度落到更低的档位。
- 路由对顾问是完全不可见的：他们像平常那样用产品，决定由内部做。
05 · 05:25 一张十万美元的税单：谁做什么
- 这件事横跨十天。成果由 agent 负责交付，但有些部分它做，有些它不做。
- 客户把税单邮件过来，agent 要算清两件事：钱今天分布在哪里；要凑出十万美元，最优的变现路径是什么。这一块全自动。
- 和托管行有很深的集成、下单 API 就在手上，但任何资金移动、变现、甚至直接联系客户，都设了严格的 human-in-the-loop。
- agent 出方案、负责把对的人拉进来；人看方案、调整、执行。
06 · 07:20 跨天长任务里，agent 的记忆
- 这类工作不是「长运行」，是停停走走：中间有很多动作、很多决策点、很多次交接。
- 信号分三类：同一条邮件线程里的新回复，交给正在读这条线程的那个 agent；半路打进来的一通电话和任何进行中的流程都不相连，会有一个全新的 agent 醒过来判断它是什么。
- 理解「现在在发生什么」靠内部记忆系统。每位客户一份持续状态：现在在发生什么、我们要服务的是什么、谁负责哪个动作、到目前为止发生过什么、接下来几天必须做什么、长期在跟踪什么。
- 另有一个像「做梦」的进程，每天重看世界相对于这位客户的状态，把记忆更新到能承载长周期任务——新接手的 agent 因此能迅速补齐处境。
07 · 09:22 安全护栏与提示注入防御
- 所有安全限制都是确定性实现，把决策从 agent 手上拿走：哪些工具它能自己调、哪些不能，写在代码里而不是提示里。
- 第二层：每一次会写数据的工具调用之后，跑一层快速的 LLM 验证，逐条分析对数据库的写入。
- 第三层在边缘：进来的邮件、文件、电话都是提示注入的目标，在入口做检测。
- 出口同样要查：数据离开系统时（网页搜索、给客户发日历邀请），既做 PII 的确定性检查，也让一组小模型投票判断有没有在往外偷数据。
- 原则一句话：把 agent 约束在能力的边缘上，而不是更早。
08 · 11:02 合规要的是可审计
- 这个行业在乎结果，合规在乎可审计性。
- 默认可审计：agent 的每个动作产生一份变更日志——改了什么、谁改的、来自系统哪个部分、什么时候。
- 人也在同一本账上：任何影响客户的界面改动都会被记录。
- 这本账同时喂两个系统：既满足监管，也让 agent 知道别人改过什么。
09 · 12:14 「是 agent 在催人」
- 十天里有很多参与者，第七步上的那个人现在可能还不需要知道这件事，他会在对的时机被拉进来。
- agent 靠长记忆加每日反思判断此刻的状态，在出现「这个人必须进场」的信号时才动人。
- 这套「谁在什么时候进场」不是通用知识，是这个行业怎么运转、以及 Arca 希望它怎么运转。
- 能把它写下来，正因为公司本身就是那门生意——SaaS 做不到把别人的工作方式标准化成 agent 的接口。
10 · 13:46 为什么 Arca 要自己拥有 agent 基础设施
- 看好 Anthropic、OpenAI 这类实验室的模型，但不看好依赖 managed agents 这类产品。
- 原因在记忆：managed agents 的一个关键是模型如何持久化、如何把运营知识与「世界正在发生什么」写进记忆。
- 把这块交出去，就是把智能交出去；拥有智能才有能力影响自己的生意，交出去就丢掉那份掌控力。
11 · 15:05 AI 原生的公司，与用 AI 工具的公司
- Anthropic 下场做金融服务，阿曼说这是对行业的肯定45。
- 但他把两者分得很开：有 AI 工具的公司，需要用户去 prompt agent 干活；AI 原生的公司，agent 7×24 主动跑着，反过来催人。
- 差别不在模型，在工作是谁先动。
12 · 16:09 沙箱与财务方案的验证
- 沙箱是 harness 的一个组件，agent 本身不在里头，它用沙箱卸载计算。
- 代码先被翻译成一种严格格式，代码本体丢掉，护栏装在那份格式上，才让它到达后端——所以 agent 可以「用代码查数据」，但不能把代码直接送进后端。
- 产物（比如一份 PDF 财务方案）一生成就跑验证：确定性检查（有没有把原始账号写进去）、快模型或 Jev 检查（有没有在承诺收益）。
- 阿曼的判断：这比人做得好，因为 AI 找不合规的字句不知疲倦。
13 · 18:40 决策模型与核对金融事实
- 模型对金融知识过度自信：会心安理得地拿 2025 年的税率档做分析，然后说「就这么定了」。
- 决策模型在这里的用法是拦一下：当模型即将给出财务建议、或做任何需要财务严谨性的动作时，把它推向经核实的事实库，或者让它联网搜索。
- 这也是「自己拥有 harness」的好处——这类干预只能发生在自己那层。
- 除了 Jev，节目里没有点名别家。
14 · 19:51 为什么执行交易这件事留给人类专家
- 今天不做由 agent 自主执行的交易，agent 只负责提案。
- 所以「交易失败之后怎么恢复」这个问题，今天的答案是：还没有那一步——判断与执行都在专家手上。
- 决策模型也没有用在恢复路径上，那不是他们目前在探索的用例。
15 · 20:32 把员工的反馈变成 eval 与改进
- 员工的每一次修改或取消都必须说明理由；理由和产生它的 agent trace 绑在一起存。
- 每晚跑一个流程：收集真实世界里 agent 的 trace，在上面跑一个 meta agent，让它提出对 harness 的改动建议——哪些工具会误导、哪里报错、知识库里缺了什么。
- 上线前仍有一位人类工程师在环，因为放手让 agent 改 prompt 会很难看：每个小修复都会膨胀成整个 prompt，它没法停在元层把修复泛化。
16 · 22:22 把公司的运营知识变成 agent 的上下文
- 知识库以文件形式存在，是产品里的一等功能：左侧有一个 Knowledge 标签页，装的就是 agent 在用的全部运营上下文。
- 维护交给专家：agent 做事时可以引用知识，trace 分析发现某条知识不对，人直接进去改那一条。
- 这形成闭环：引用 → 发现错 → 改知识 → 下次引用到对的那条。
17 · 23:41 客户案例：藏起来的费用，与主动的服务
- 一位还没签约的客户，已经把全部文件和账单交了过来；他本来就有顾问，收他 1,500 美元，但不太上心。
- agent 读完文件和账单后发现：存在他事先不知道的费用，而且那位顾问不是受托人（fiduciary），本来就没有义务为他的利益行事。
- 另一类主动性是盯截止日：谁的日期要到了、谁有错过最低必需提取额（RMD）的风险。这种事人很难规模化地盯住，在 Arca 它是默认行为。
口径与核对
官方可查：Arca 的融资结构（种子 1,550 万美元由 Venrock 领投；A 轮 4,850 万美元由 General Catalyst 领投，Index Ventures 与 Venrock 参投；合计 6,400 万美元）、2026 年 6 月退出隐身、管理资产逾 10 亿美元、28 人、创始人兼 CEO Rron Rexha 出身 Plaid；Anthropic 2026 年推出 Claude for Financial Services，9 月又发布了面向财务顾问的工具；主持人的职务（Latent Space 编辑总监，2003 年创办 ReadWriteWeb）。
节目说法：十天跨度与十万美元税单、三档模型路由、内部 benchmark 让 Luna 落选、每晚的 meta agent、沙箱「翻译成严格格式再丢掉代码」、1,500 美元顾问那一例——都只有阿曼在节目里的口述，本轮未逐一外核。
口径出入：① 开场说「筹到 6,400 万美元」，那是种子轮与 A 轮的合计，A 轮本身是 4,850 万；② 最重一档里那个中档模型名，视频字幕写 Sonic、音频听写是 Sonar，未能核实具体型号；③ 节目里的决策模型，字幕与听写都作 Jeff/Jev，按 Jev（TypeSafe AI 的决策模型）理解。
逐句全文翻译
按官方 17 段章节顺序，逐句翻译，只保留中文，保留说话人标签，不压缩、不摘要、不删减；片头的节目预告句与广告段一并保留。
01 · 00:00 介绍 Arca 这家 AI 原生的财富管理公司
阿曼：我们其实不是一家 SaaS 公司，我们本身就是那家公司。是 agent 在催人，不是人在催 agent；这是一项替客户 7×24 小时跑着的、主动上门的服务。
（片花）：音乐。
理查德：我们现在在 2026 年纽约 AI Engineer 大会的现场，坐在我身边的是 Arca 的阿曼·辛格。Arca 前不久为一家 AI 原生的财富管理公司筹到了 6,400 万美元。阿曼，先说说你在 Arca 的角色、你们提供哪些金融服务，以及你们是怎样用 AI agent 把这些服务跑起来的。
阿曼：当然，谢谢你请我来。我在 Arca 负责 AI 平台团队，简单说就是在搭底层那套 harness，以及我们用 AI 去经营这家公司所需要的各项能力——这是我们的终极目标。至于提供给客户的服务，是一整套相当宽的金融服务：包括财务建议、针对他们资产的财务规划，还有税务规划、保险，以及人越有钱就越绕不开的遗产规划。比如你刚把一家公司卖掉，会牵扯到各种合伙人，情况很复杂，我们能帮你把这些想清楚。我们也服务很大的科技公司高管，他们在认真规划提前退休；也有正在买第一套房的小家庭。
理查德：嗯。
02 · 01:40 AI 怎样支撑人类的财务顾问
理查德：那你们现在这些客户——你需要跟他们解释你们在用 agent、为什么用 agent，再给他们讲讲背后的技术吗？
阿曼：是这样：AI 在 Arca 的角色不是替代顾问，而是替代顾问周围的全部工作。所以客户其实并不直接和 AI 打交道，他们感受到的是一种这个行业以前给不出的服务水平，而这份服务是通过一位人类顾问的同理心和用心交付出来的。我们在每位客户背后搭了一台机器，它一直在想：市场在发生什么，这件事对理查德意味着什么；你生活里还有什么别的事在发生，你生活里有哪些纹理会影响你的财务状况。有了 AI 去做所有后台的事，我们能主动得多、响应得快得多，也能把客户服务的水平整体提上去。
03 · 02:40 用内部 benchmark 选模型
理查德：好，那我们进技术细节。你们用什么模型来驱动 agent，又怎样判断哪个模型最适合哪一类动作？
阿曼：今天我们用前沿实验室的模型，比如 Anthropic 和 OpenAI。Claude 一直是我们的主力模型，但这些年我们换过好几轮：很早的时候我们在 Gemini 上，然后到 OpenAI，再到 Anthropic。指导我们所有判断的，是我们内部的一整套 benchmark——针对我们这套通用 harness 在经营公司时必须表现出的各种能力。举个很近的例子：尽管外部 benchmark 对 Luna 评价很好，但对我们来说效果不如预期，太慢了，而且很贵。所以是我们的内部 benchmark 在引导模型选择。作为一条原则，我们希望自己与模型无关：不去依赖某一家供应商，也不去依赖某一家实验室提供的 harness，把这份可选择性留给自己。
04 · 04:01 自建 harness，以及任务怎么路由
理查德：好，你刚提到 harness。那你们会因为用不同模型而用不同的 harness 吗？
阿曼：不会，我们内部自己造了一套，它是与模型无关的。
理查德：那比如一位财务顾问在做税务报告这类事情时，harness 怎么决定用哪个模型？这是自动的吗？
阿曼：是的。我们把模型按任务复杂度分了档。像协助做一份税务规划、或者做一次税务分析，拿到的会是我们的最重一档模型。这一档内部还留了点弹性，可以用 Opus 档、Sonnet 档，或者重型的 GPT 模型。而与此同时，我们的 agent 还参与着大量后台活动，那些就会按任务复杂度落到更低的档位。这就是我们判断哪个模型服务哪个任务的方式。
理查德：那这个决定是财务顾问在用产品的时候自己做的吗？
阿曼：并不是。他们根本不知道发生了什么，我们把这一层完全抽象掉了。他们就像平常那样用产品，这些决定由我们在内部做。
05 · 05:25 一张十万美元的税单：谁做什么
理查德：好。你今天在会上的演讲里讲过一个税单的例子。能不能带我们走一遍调整客户投资组合的过程——从发现需求，到可能要再平衡，再到执行交易？哪些部分由 agent 做，哪些部分由人类顾问做？
阿曼：就像我在演讲里讲的，这件事会横跨十天。最终的成果由 agent 负责交付，但有些部分它们做，有些部分它们不做。在这个例子里，客户把整张税单发邮件给我们之后，有一块分析是：这位客户的钱今天分布在哪里？要凑出十万美元，最优的变现路径是什么？这部分最适合交给 agent，当一个分析任务去做，它们也确实做了。
理查德：对。
理查德：那它们有没有某些限制，比如不能真的按某个金额去执行一笔交易？
阿曼：分析这一块是全自动的，但任何形式的资金移动或变现，它们都不能自动执行。我们和托管行有很深的集成，对方给了我们 API，技术上做得到；但凡是会动钱、会变现资产、甚至直接去联系我们终端客户的动作，我们都设了严格的 human-in-the-loop 护栏——因为我们对服务和质量有要求。所以内部的分析全部由 agent 完成，但它们会去把对的人拉进来执行交易，同时把方案交给人看、让人调，然后从那里往下走。
06 · 07:20 跨天长任务里，agent 的记忆
理查德：嗯。你提到这些流程往往要十天，或者说比现在大多数 agent 场景跑得久得多。那么当一个 agent 要在几天之后重新接起一个任务，你们怎么恢复上下文？又怎么确认这个方案仍然符合客户现在的需要？
阿曼：这是个很有意思的问题。我们有很多这类信号，就像我在演讲里说的。有些是这样的：你可以想象有一串邮件线程正在收到回复，中间有人在说话；那么之后任何一封新的回复，都会交给同一个正在读这条线程、并对它作出反应的 agent。但有一种全新的信号，比如中间打进来的一通电话，它和任何正在进行的流程都没关系，那就会有一个全新的 agent 醒来，判断这是什么意思。而它们理解「现在在发生什么」的方式，是我们的内部记忆系统。我们为每一位客户维护一份持续状态：现在在发生什么、我们要服务的是什么、谁负责哪一件事、到目前为止发生过什么、接下来要跟踪什么、未来几天里有什么必须马上做、长期在跟踪什么、哪个人负责哪个动作。这些都由我们的记忆系统跟踪，并由我们的 agent 持续往里写。除此之外还有一个很像「做梦」的过程，它会去反思世界相对于这位客户——理查德——的状态，并把记忆系统更新到能承载长周期任务。所以那个接到新信号的 agent 会很快补齐这位客户的处境，它会知道「哦，我们其实正在处理一张很大的税单」，也能看出「我这个信号和那张税单有关，那我该往那个世界的状态里补一笔」。
07 · 09:22 安全护栏与提示注入防御
理查德：能不能谈谈你在产品或者说 harness 上加的安全设计，确保这个过程里不会丢钱？
阿曼：我们所有的安全限制都是完全确定性的，它们把决策从 agent 手上拿走了。举个例子：有些工具允许 agent 自己执行，比如一个简单的记账类工具，它会直接执行。此外，每一次调用会写数据的工具，我们都在那个动作上跑一层基于 LLM 的验证——就是那种很快的 LLM 调用，逐条分析每一次对数据库的写入。这是我们跑的第二层验证。再往外，我们会吃进大量外部信息：进来的邮件、进来的文件、打出去的电话，这些都是提示注入的目标。所以我们在边缘跑验证，检测某些特定类型的提示注入是否存在。再有一点，凡是有数据要离开我们系统的场景——最明显的是网页搜索，但也包括给理查德发一个日历邀请这种——我们既做确定性检查，看有没有我们已知属于 PII 的信息，也做一次小模型的共识判断，确保没有在尝试把数据偷出去。所以 harness 里内置了很多种护栏，原则是：把 agent 约束在能力的边缘上，而不是更早。
08 · 11:02 合规要的是可审计
理查德：因为你在金融行业，是不是有一些法规要求你们必须在技术上遵守？还是说这更多是关于结果、以及你们怎么对待客户？
阿曼：这个行业在乎结果，但合规在乎的是可审计性。所以我们的系统是「默认可审计」。agent 做的每一个动作都会产生一份变更日志：改了什么、谁改的、来自系统的哪个部分、什么时候。顺便说，这不只适用于 agent，也适用于人：如果你在界面上改了什么、而这个改动影响到客户，我们也会记下这个动作。这既让我们默认就有了可审计性，也支撑了我们的一些 agent 能力——同一份被记录的界面改动，同样可以被用来告诉 agent 发生了什么。所以可审计性在我们的叙事里是很重要的一块，既是为了合规，也是为了 agent 的循环。
理查德：对。
阿曼：嗯。
09 · 12:14 「是 agent 在催人」
理查德：你在演讲里有一句话说得很好：「是 agent 在催人，多过人在催 agent。」那 agent 怎么决定该把谁拉进来？又需要给那个人提供多少上下文，才能让他做成该做的事？
阿曼：这也是个有意思的问题。它和我们这个行业里人是怎么工作的很像：有一个流程我们要跟踪十天，中间有很多参与者。第七步上的那位，可能现在还不需要知道这件事，他会在对的时机被拉进来。所以我们的 agent 靠着长记忆加上每天对正在发生什么的反思，去判断此刻世界的状态，并在出现「这个人必须进场」的信号时，把对的人在那个时点拉进来。这些工作，是我们把「这个行业是怎么运转的」变成可运营的东西——而且不只是这个行业怎么运转，还有 Arca 希望它怎么运转、我们对这行的工作方式有哪些原则。这也是我们不只是做一家 SaaS 公司的另一个好处：我们真的不是 SaaS 公司，我们本身就是那家公司，所以我们可以把这项工作本身标准化，让我们的 agent 能按标准化的方式参与进来。
10 · 13:46 为什么 Arca 要自己拥有 agent 基础设施
理查德：会前 Anthropic 做了一个工作坊，讲他们的 managed agents 基础设施。现在连编排本身都越来越自动化了。你会不会考虑用这类能力？它显然也带来一种风险——人未必总在环里。你们有没有想过用这类技术把流程再自动化一些？
阿曼：我认为我们对 Anthropic 以及 OpenAI 这类实验室的模型非常看好，但对依赖 managed agents 这种产品没那么看好。原因在于，managed agents 的一个关键点是：模型如何持久化，如何把「世界上正在发生什么」以及它们成功所需的全部运营知识写进记忆。把这块业务交给别人拥有是种风险——因为拥有记忆就是拥有你的智能，而拥有智能就有能力影响你的业务。如果你把智能交出去给另一家供应商，你就会丢掉一部分掌控力；而你需要这份掌控力，才能做出某种足够独特、足够贴合你业务、以至于真的能影响你业务的东西。
11 · 15:05 AI 原生的公司，与用 AI 工具的公司
理查德：还是说回 Anthropic。他们最近也发布了金融服务方面的产品，正在和一大堆公司合作。你觉得他们在做的事和你们在做的事是竞争关系，还是两件不同的事？
阿曼：我觉得 Anthropic 进入我们这个行业，对这个行业是很大的肯定。但我的看法是：一家能用到 AI 工具的服务公司，和一家生来就是 AI 原生的公司，差别非常大。有 AI 工具的公司，需要用户去 prompt agent，让 agent 产出工作、干活。而在 Arca，就像我说的，是 agent 在催人，多过人在催 agent；这是一项替他们 7×24 小时跑着的主动服务，是在用我们期望的、最标准的方式经营这门生意，达到我们追求的服务水平。如果你只是一家「有 AI 工具的公司」，那看起来会完全不一样。
12 · 16:09 沙箱与财务方案的验证
理查德：好，再多问一点安全侧的事。能不能解释一下，你们流程里有哪些东西跑在沙箱里？以及在一份财务方案被任何人执行之前，你们怎么验证这个改动？
阿曼：我们用沙箱的方式是：沙箱是我们 harness 的一个组件。我们的 agent 其实并不在沙箱里面，它用沙箱来卸载计算。我们搭了系统，让沙箱里的代码能安全地访问我们的数据：我们会把它写出来的代码翻译成一种我们预期的严格格式，把代码本身丢掉，然后在这种格式上装好护栏，再让它到达我们的后端。所以我们允许 agent 用代码去查询我们的数据，这意味着它们可以聚合、可以处理、可以按自己的想法去用这些数据，产出一份财务方案之类的东西。在同一个沙箱里，它们会产出那些我们能够交给客户的、很漂亮的产物——一份 PDF：这是你的财务方案，这是我们打算怎样从财务上安排你的人生。而一旦它被生产出来，就是我们要跑验证器的时候。产物是从沙箱里出来的某种固定类型的东西，它一生成，我们就在上面跑一堆验证：有些是确定性的，检查比如「你刚才是不是把原始账号写进去了？这不行」——这类我们可以确定性地查；也有快模型，比如更小的模型或者 Jev，去分析有没有那种会让这份产物不合规的内容，比如你绝对不应该在这份产物里承诺收益。所以在它可以发布之前，这是另一道我们会做的检查。最后我想说的是，这样做其实让我们的合规比人来做更好，因为 AI 在找出哪怕最轻微的一句不合规表述这件事上是不知疲倦的。所以我们会继续往这个方向投，把约束放在能力的边缘上。
13 · 18:40 决策模型与核对金融事实
理查德：是。你刚提到 Jev——你们已经开始把决策模型用进流程里了。除了 Jev，你们还在看别的什么产品？
阿曼：我们发现的是：当模型在处理金融数据、回答需要金融知识的问题时，它们对自己掌握的知识非常自信。一个小例子是，模型会很乐意拿 2025 年的税率档去做分析，然后说「就这么定了」——而这显然是不对的。所以这就是我们在 harness 里使用决策模型的方式之一：当模型即将给出一条财务建议，或者即将做任何需要财务严谨性的动作时，决策模型会检测到，并推着模型去用我们那份「今天为真的、经核实的事实」知识库，或者去用联网搜索。这也是关于 harness、关于自己拥有 harness 的一个论点：拥有它，你才能做这类事，让你的模型在该准的地方准。
14 · 19:51 为什么执行交易这件事留给人类专家
理查德：那你们会不会把决策模型用在比如交易执行失败之后的恢复上？那里会有决策模型参与，还是有别的路径让 agent 回到正轨？
阿曼：没有，今天还没有。这不是我们目前在探索的用例。
理查德：好。那比如某一步、某笔交易真的失败了，在你们现在的流程里，agent 怎么恢复？
阿曼：目前我们不做由 agent 自主执行的交易。在很大程度上，是 agent 提出「我们应该做这笔交易」。
理查德：明白了。
阿曼：然后完全由我们的专家去判断这是不是该做的交易，并由他们执行。
15 · 20:32 把员工的反馈变成 eval 与改进
理查德：顺这条线问下去。你幻灯片里说，员工的每一次修改或取消，都会带着一个「为什么」，然后变成一次 eval。那这些反馈是怎么被转回系统、变成可度量的改进的？
阿曼：这也是我们「是这门生意本身、而不是一家 SaaS 公司」的另一个好处：我们有能力要求他们必须给我们反馈。把反馈绕回改进的方式，跟你预期的差不多：所有反馈会流进一个数据存储，在那里和产生它的那个 agent 的 trace 绑在一起。于是我们可以把 trace 拿出来，放在反馈旁边；每晚我们跑一个流程，收集真实世界里、在野外跑的 agent 的 trace，在上面跑一个 meta agent，让它提出对 harness 的改动建议——也许是某些工具会误导，也许是某些地方报错，也许是我们的知识库里缺了知识。它会把这些信息浮出来，我们就能去改进。今天，在我们真正上线一次 prompt 改动之前，环里还是有一位人类工程师。
阿曼：我注意到，如果你放手让 agent 去改 prompt，它会改得很难看：每一个小小的修复都会变成整个 prompt。它们没法保持元层的视角，把一个修复泛化成一个能通用的 prompt。所以没错，我们在产品里有反馈回路，把收集 eval 做成产品的一等功能，再把它们变成改进。
理查德：嗯。
16 · 22:22 把公司的运营知识变成 agent 的上下文
理查德：好。你演讲里还提到，把「一家公司是怎么运转的」这种知识变成 agent 的上下文——这其实是很多前置部署工程师都在尝试做的事：把一个组织的内部知识变成 agent 能用的东西。在你们公司，这在技术上是长什么样？你们又怎么让它保持更新？
阿曼：我们有一个以文件形式存在的知识库。让它保持更新的办法，是我们把它交给专家去整理和维护——它是我们产品里的一等功能。产品左侧有一个叫 Knowledge 的标签页，里面就是我们 agent 在用的全部运营上下文。agent 在做事的时候可以引用其中的知识，于是就形成了一个回路：比如我们注意到某条知识不对，这件事会在我们的 trace 分析里浮出来；又因为它本身就是产品的一部分，人们可以直接进去把那一条 skill 改掉。大概就是这么运作的。
17 · 23:41 客户案例：藏起来的费用，与主动的服务
理查德：好。你提到你们是真的在把服务交付给客户——我理解你们公司里有一支财务顾问团队。能不能举一个客户的例子，说明通过这套 agent 系统，他们在投资或者税务上有了可度量的改善？也可以讲讲 agent 架构里具体是什么帮到了这位客户。
阿曼：我举一个最近的例子。这位还不是客户，但已经到了要成为客户的阶段。所以我们拿到了他的全部文件、对账单、当前投资等等。这个人当时已经在和一位顾问合作。他来见我们，说我其实已经有顾问了，他收我 1,500 美元，但对我并不是很上心，所以我在和你们聊。我们的 agent 读完了所有这些文件、做了分析，分析了这个人自己说出来的目标；也分析了那份对账单——这位现任顾问是谁、收了他多少钱。然后它们发现，这位顾问在收一些这个人事先并不知道的费用，并把它摊到了他面前：不仅让他知道自己被多收了钱，还让他知道，那个人甚至不是受托人（fiduciary），所以并没有义务为他的利益行事。这就是我们的 agent 在分析一个人的财务全景时带来的那种对细节的关注，如果没有这些东西是做不到的。类似的主动性例子还有不少：比如某人有个截止日期要到了，或者有错过 RMD（最低必需提取额）的风险，诸如此类。这种事对人来说很难规模化地盯住，但在 Arca，它是我们 agent 的默认行为。
理查德：太好了。那大概是个很好的收尾点。非常感谢你来，阿曼。
阿曼：谢谢你邀请我。
References
- 1Latent Space 单集页《Agents Prompt People》
latent.space
- 2Arca 融资新闻稿（2026-06-24，Business Wire）
businesswire.com
- 3General Catalyst：Our Investment in Arca
generalcatalyst.com
- 4Anthropic：Claude for Financial Services
anthropic.com
- 5
Comments